주파수 도메인 특성과 딥러닝을 이용한 백내장 분류 (Classification of Cataract using Frequency Domain Features and Deep Learning Method)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 60권 / 2호 / 67 ~ 78페이지
· 저자명 : 신민재, 김대원

초록

눈이 뿌옇게 흐려져 눈앞이 잘 보이지 않는 질병을 백내장이라고 한다. 백내장을 진단하기 위해서는 전문의의 판단이 요구되나, 백내장을 진단하는 기준은 각 의사마다 다를 수 있어 백내장 진단 결과가 다르게 나올 수 있다. 따라서 일관된 기준에 따라 백내장을 진단할 필요가 있다. 본 논문에서는 컴퓨터로 하여금 백내장을 진단하는 연구를 수행하였다. 정상 눈의 안저사진은 선명하게 보이지만 백내장에 걸린 눈의 안저사진은 약간 흐리게 보인다. 이는 각 사진마다 주파수 성분의 차이가 있음을 의미한다. 그래서 본 연구에서는 이러한 특성을 이용하여 안저사진을 주파수 영역의 사진으로 변환하여 입력 데이터로 사용하였다. 다음으로 이미지 분류에 사용되는 인공지능 기법인 합성곱 신경망을 사용하여 백내장 여부를 분류하였는데, 합성곱 신경망은 계층 구조에 따라 성능의 차이를 보인다. 따라서 본 논문에서는 다양한 구조의 합성곱 신경망을 설계하여 성능을 측정하고 가장 양호한 결과가 나오는 모델을 택하여 결과물로 제시하였다. 본 연구내용은 안저사진을 푸리에 변환과 이산 코사인 변환 하는 과정을 포함하며 최종 연구 결과 분류 정확도로 95.83%를 보였다.

영어초록

A disease in which the eyes become cloudy and difficult to see is called a cataract. A doctor's judgment is required to diagnose the cataract but the criteria for diagnosing the cataract may differ for each doctor so the cataract diagnosis result may be different. Therefore, it is necessary to diagnose the cataract according to consistent criteria. In this paper, we conducted a study to diagnose the cataract using an artificial intelligent computing algorithm. The fundus image of a normal eye appears clear but the image of a cataract eye looks slightly blurred. This means that there is a difference in frequency components for each image. Therefore, in this study, using these features, we converted the fundus images into frequency domain images and used them as input data. Next, we classified the cataract using a Convolutional Neural Network (CNN) which is an artificial intelligence technique used for image classification. The CNN shows differences in performance depending on the hierarchical structures. We designed several CNN algorithms of various structures, measured their performances, and selected the model with the best results and presented it as the final result. This study includes the process of Fourier Transform and Discrete Cosine Transform (DCT) of the fundus images, and the final study result showed a classification accuracy of 95.83%.

참고자료

· 없음